為什麼有人覺得 ChatGPT 超好用，有人覺得沒用？

差別不在 AI 也不在問題，是心態。把 AI 當「答案機器」的人：問一個問題、期待最終答案、不滿意就放棄。把 AI 當「協作工具」的人：描述目標、問 AI 建議方法、分步一起解決。同一個 AI，完全不同的結果。

「協作模式」實際上長什麼樣？

不是問「幫我寫一篇商店的行銷文」，而是問「我想在 Instagram 推廣我的店，你需要我先告訴你哪些資訊，寫出來的文章才會真的有效？」AI 會反過來問你目標客群、語氣、商品、平台等問題。你逐步給它 context，它寫出來的東西就會合用。你掌控方向，AI 處理你不想處理的細節。

為什麼直接問 AI 要答案常常失敗？

因為你的問題裡有很多只有你知道的隱藏細節 — 目標對象、限制條件、個人偏好、已經試過的方法。一句話要 AI「給我 X」等於要它全部用猜的，當然猜錯。協作模式會把那些隱藏細節先挖出來，AI 才能真的命中。

協作模式會不會比直接問答案慢？

第一次嘗試會慢一點點，但整體快很多。答案機器模式看起來快（只打一句話），但結果大多用不上。協作模式要三四輪對話，但產出通常馬上可以用。實際做事時，協作模式常常把總時間砍半以上。

[AI 怎麼問] 為什麼你覺得 AI 沒用？答案機器 vs 協作工具

TL;DR

如果你覺得 AI 沒用，你大概把它當成答案機器 — 問一題、等一個最終答案、失望。真正用 AI 用得很順的人把它當成協作工具 — 描述目標、請 AI 建議方法、一步一步一起解掉難的部分。同一個 AI，完全不同的結果。

白話版：為什麼同一個 AI 對某些人像魔法，對某些人像廢物

我一直看到同一種畫面。有個人打開 ChatGPT 說：「這東西沒用啦，回答都很空泛。」下一個人打開同一個 ChatGPT 卻說：「現在沒有它我根本沒辦法工作。」中間變了什麼？不是 AI 變了，也不是問的問題變了。差別完全在於你怎麼跟它對話。

這篇文章講的就是那個差別。它不是一堆 prompt 小技巧，它是一個心態轉換 — 只要你停止把 AI 當成答案機器、開始把它當成協作工具，所有東西都會變好用。我會用一個真實的失敗案例（生成攤位照片徹底翻車）來展示兩種模式實際上長什麼樣。

前言

你家裡有一把電鑽。今天想掛一幅畫。有兩種人拿起這把電鑽：

A 型的人 把電鑽對著牆、扣下扳機，期待一個完美的洞出現在想要的位置。結果洞歪了，他罵電鑽：「這把電鑽沒用。」

B 型的人 先量好畫該掛的位置、用鉛筆在牆上點一個記號、用小鑽頭打個引導孔、再換主鑽頭。洞剛剛好。「我家裡最好用的工具。」

同一把電鑽，完全不同的結果。用 AI 的方式也一樣。

我看過最多次的失敗案例

有一個畫面我看過太多次了。有人想生成一張攤位照片用在小生意上 — 可能是週末市集、可能是展場攤位。他們打開 Gemini（或 ChatGPT、或 Midjourney — 隨便哪個都一樣），上傳一張喜歡的攤位參考照片，然後打：

「幫我生成一張像這樣的照片，但換成我的商品：手工皂、奶油色、簡單的木頭層架。」

按下 enter。AI 生出一張圖。看起來有點像攤位。但層架懸空在半空中。比例錯亂。旁邊站著的客人身高將近三公尺。手工皂看起來像磚塊。

他打「修一下層架」。AI 生出另一張圖，層架黏住了，但屋頂不見了。再試。又是不同的問題。試了四五次之後，關掉分頁。

「AI 生圖這東西根本沒用。」

這就是答案機器模式的純粹型態：問一題、期待一個最終答案、失敗就怪工具。這不能怪使用者 — 他們完全照介面暗示的方式在用（打字、生圖）。問題是介面對這個工具的「擅長什麼」是誤導的。

剛剛哪裡出錯了

使用者把每一個「他該自己仔細想一下」的步驟通通跳過，全部丟給 AI 去猜。看看他其實要求 AI 一口氣解決的是哪些事情：

手工皂生意應該搭什麼風格的攤位
層架要用什麼材質
實際的物理比例怎麼才合理
什麼燈光能讓商品看起來好看
什麼配色能呼應參考圖但又不抄襲
要構圖成 Instagram 用的還是名片用的

AI 得從七個字的描述裡同時猜所有這些問題的答案。結果當然亂七八糟。

影像專業的人真正的技能不是「按下生成按鈕」。是知道哪些決定才是重要的、然後自覺地去做那些決定。當你把全部決定一次丟給 AI，你不是在跟它協作，你是在賭它會讀心術。

同一件事用協作模式做一次

現在同一個人做同一件事，但換成正確的心態：

步驟 1 — 讓 AI「看」不「畫」。 上傳參考照片然後說：

「先不要生成任何東西。看一下這張參考照片，告訴我：它的佈局是什麼、層架是什麼材質、配色有哪些、你會說這是什麼風格、燈光怎麼打的？」

AI 給出真正的分析：北歐極簡風攤位、金屬骨架配淺色橡木層架、中性奶油色和灰階配色、左側暖色調定向打光、商品置於視線高度且之間留有呼吸空間。

使用者剛剛學到了五個原本講不出來的具體資訊。

步驟 2 — 說出差異。 使用者說：

「好。我的狀況不一樣的地方：我的攤位是 2 公尺寬（不是 4 公尺）、我賣手工皂所以商品比較小、我要的木頭色調比那張暖一點、而且會在戶外自然光下拍 — 不是棚拍。」

步驟 3 — 請 AI 寫「指令」，不是寫圖。 這是關鍵的一步：

「根據我們剛剛討論的所有細節，幫我寫一段完整的圖片生成指令（就是我要貼到 Gemini 裡叫它畫圖的那段文字）。包含佈局、材質、燈光、比例、拍攝風格。要夠具體，讓生出來的結果物理上合理。」

AI 寫出一段 150 字的指令，包含了所有剛剛默契裡的細節。使用者讀一遍、看到「金屬骨架距地 80 公分」心想「我比較喜歡木頭的」，就改了那一行。

步驟 4 — 生成。 把改過的指令貼進 Gemini。第一張圖看起來就合理了。微調兩個細節，第三張可以用。

四次對話。一張可用的圖。而且使用者從頭到尾掌控著每一個真正重要的決定。

心態轉換，講白話版

答案機器模式： 「AI，給我 X。」期待 X。拿到錯的。要求「X 但要更好」。不斷重複直到放棄。

協作模式： 「AI，我想產出 X。在你動手之前，幫我想一下你需要哪些資訊才能做好這件事？」然後一件一件地把資訊交給它。

差別是誰在掌控流程。答案機器模式裡，AI 是駕駛，你是評審。協作模式裡，你是駕駛，AI 在每個步驟負責它擅長的那部分專業思考。

這跟「你有沒有比較聰明」無關，跟「prompt 寫得好不好」無關，跟「知不知道技巧」也無關。它只是拒絕把一個該握在你自己手上的方向盤交出去。

實際看一下長什麼樣

我在 ChatGPT 上用同樣的題目 —「幫我寫一篇我新開咖啡店的 Instagram 貼文」— 實測了兩種模式，給你看一下對比。

答案機器模式：一句話丟過去。

ChatGPT 答案機器模式：生成出一篇通用的咖啡店 Instagram 貼文，充滿 emoji 和 hashtag

單看這段回覆好像還行。但你仔細看就會發現：奶油色燈光、精選咖啡豆、「在忙碌的日子裡找到一點溫柔的停靠」、通用 hashtag。這是一個模板 — 你把任何一間咖啡店的名字換上去，這則貼文都一樣能用。AI 對你的店毫無具體描述，因為你根本沒告訴它你的店有什麼特別的地方。

協作模式：請 AI 先問你。

ChatGPT 協作模式：分成七個類別列出澄清問題，包含地點、客群、品牌、產品、空間、營運、個人想法

同一個 AI、同一個底層任務。但這次 AI 拒絕在資訊不足的情況下動筆 — 它一次列出七個類別的問題：地點與環境、目標客群、品牌與定位、產品與特色、空間與體驗、營運方向、你的個人想法。你挑有 opinion 的部分回答，跳過不相關的，然後再請它寫。產出的文字會真的描述你的店，因為 AI 終於拿到它需要的背景資訊。

同一個模型、同一個問題、完全不同的兩段對話。

其他職業的協作模式長怎樣

行銷 — 寫一則社群貼文：

❌「幫我寫一篇我新開咖啡店的 Instagram 貼文。」
✅「我要開一間咖啡店。在你動筆之前，先問我你需要知道什麼 — 店的地點、客群、跟附近其他店的差異是什麼？」

行政 — 處理棘手的 email：

❌「幫我回覆這封客訴 email。」
✅「這是一封客訴。在你起草回覆之前，先幫我想：這位客人真正想要什麼、我們有哪些回應選項、每個選項的取捨是什麼？」

寫程式 — debug：

❌「這段程式為什麼壞掉？」（貼 500 行 code）
✅「這段 code 會出現 X 錯誤。在你猜怎麼修之前，先告訴我我該回答哪些 context 問題，你才能縮小真正的原因？」

教學 — 備課：

❌「幫我寫一份 60 分鐘關於光合作用的課程教案。」
✅「我要教國中生光合作用，60 分鐘。先問我：學生的程度、之前學過什麼、我心中的「上得成功」長什麼樣 — 然後再提出課程結構。」

每一個案例裡，「壞」的版本比較短、感覺比較快。「好」的版本多了一兩輪對話才有真正的產出，但結果會好非常多。

為什麼一開始會覺得怪

第一次試協作模式會覺得慢。你已經習慣打一句話、拿一個答案。現在變成你打一個問題、AI 反過來問你問題。這不就是 AI 在偷懶嗎？

不是。AI 問你問題是AI 拒絕亂猜。當它亂猜的時候，結果你會扔掉。當它問你的時候，你花 30 秒給的背景資訊是它自己要猜 500 次才可能猜到的東西。

Anthropic 官方的 Claude 使用指南把這個叫做給模型「足夠的背景資訊去做深思熟慮的回應」。同樣的原則也適用於 ChatGPT、Gemini，還有所有其他模型。這些工具在特定子任務上是真的很強，但在讀心術上真的很差。

下次試試看

下次你打開 AI 助手、又感覺到熟悉的「呃這東西真的沒用」的反應，先停一下。不要請它修正答案，試試改說：

「我想做 X。在你給我最終答案之前，你需要我提供哪些資訊才能做好這件事？先問我你的問題。」

讀它的問題。誠實地回答。然後才請它產出結果。

你會很驚訝那個「沒用」的 AI 在兩則訊息之內就變成好用的助手。改變的不是 AI，是你終於開始跟它協作，而不是對它下命令。

這篇的一句話

如果你覺得 AI 沒用，停止向它要答案，開始問它需要知道什麼 — 一旦你讓 AI 先問你問題，其他所有事情都會變順。

下一篇我們聊：當你真的拿到了一個答案，但它太淺怎麼辦？追問的藝術。

這是「AI 怎麼問」系列的第四篇。上一篇：你不知道自己需要什麼 — 讓 AI 幫你挖出來。